| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 多机器人路径规划方法的研究概况 | 第11-15页 |
| 1.2.2 果蝇算法的研究概况 | 第15-16页 |
| 1.3 论文的创新点与章节安排 | 第16-18页 |
| 1.3.1 论文的创新点 | 第16-17页 |
| 1.3.2 论文章节安排 | 第17-18页 |
| 第2章 多机器人路径规划相关方法及理论 | 第18-28页 |
| 2.1 路径规划方法 | 第18-24页 |
| 2.1.1 传统路径规划方法 | 第18-22页 |
| 2.1.2 智能路径规划方法 | 第22-24页 |
| 2.2 多机器人系统的体系结构 | 第24-26页 |
| 2.2.1 集中式规划 | 第24-25页 |
| 2.2.2 分布式规划 | 第25页 |
| 2.2.3 分层式规划 | 第25-26页 |
| 2.3 果蝇算法在路径规划中的应用 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 融合均值学习和步长变化的果蝇算法 | 第28-38页 |
| 3.1 群智能算法和果蝇算法 | 第28-30页 |
| 3.1.1 群智能算法 | 第28-29页 |
| 3.1.2 果蝇算法 | 第29-30页 |
| 3.2 融合均值学习和步长变化的果蝇算法(AL-SC-FOA) | 第30-31页 |
| 3.2.1 变步长的个体搜索策略 | 第30-31页 |
| 3.2.2 平均值学习策略 | 第31页 |
| 3.3 AL-SC-FOA的试验测试和分析 | 第31-36页 |
| 3.3.1 实验设置 | 第31-32页 |
| 3.3.2 仿真结果比较与分析 | 第32-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 基于改进果蝇算法和虚拟障碍物的多机器人路径规划 | 第38-50页 |
| 4.1 最优化理论和问题描述 | 第38-41页 |
| 4.1.1 最优化理论 | 第38-39页 |
| 4.1.2 环境建模和问题描述 | 第39-41页 |
| 4.2 基于改进果蝇算法和虚拟障碍物的多机器人路径规划方法 | 第41-44页 |
| 4.2.1 果蝇算法的改进策略 | 第41-42页 |
| 4.2.2 基于IFOA-CS的路径规划方法 | 第42-44页 |
| 4.2.3 基于IFOA-CS和VO的多机器人路径规划方法 | 第44页 |
| 4.3 仿真结果与分析 | 第44-49页 |
| 4.3.1 单机器人路径规划 | 第45-47页 |
| 4.3.2 多机器人路径规划 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 硕士学位期间学术论文及研究成果 | 第57页 |
